信息安全本科专业课程体系优化及课程群建设

分析现有信息安全专业课程体系设置的不足,指出课程群设置的必要性。在教育部信息安全类教学指导委员会颁布的信息安全专业规范的指导下,以合肥工业大学信息安全专业课程群建设为例,探讨信息安全本科专业课程体系优化及课程群建设问题,即通过课程群的设置,解决现有课程体系设置中系统性、相关性和交叉性问题。     

校园网P2P流量综合检测及实时控制设计

互联网上有关P2P的应用层出不穷,其产生的流量占网络总流量的40%~70%,对网络的带宽造成巨大威胁.而通过一种手段对P2P应用进行识别往往精度不高,针对校园网中的P2P应用,提出一种利用P2P的3种典型特征进行综合检测的方法,并对校园网进行试验,证实将P2P流量控制在一定范围内是可行的.     

放射投影直方图的构建及结构化公路AOI提取算法研究

为了缩小车辆识别AOI,降低对本车状态的要求和行驶方向上车辆识别的难度,提升车辆识别算法的鲁棒性,提出一种基于放射投影直方图的结构化公路车道线提取方法,建立了投影点选择评价模型及车道线区域角度划分模型。实验结果表明,本方法适用于直车道线和具有一定曲率的弯道线检测,对车辆的行驶方向要求较弱,不仅可抗车辆遮挡、较强日光照射下形成的阴影干扰,而且还可以抗车道线严重污损、长距离断线、减速带形成的强干扰。对强、暗光线有一定的适应能力,具有较强的抗干扰能力。     

电站凝汽器铜管油垢水垢的化学清洗

发电机组凝汽器铜管汽侧结有严重的沥青质油垢,水侧有较厚的碳酸盐垢,影响了发电机组的安全经济运行。采用碱性的水基清洗剂清除汽侧油垢,酸性清洗剂清除了侧碳酸盐垢,提高了设备运行的经济性和可靠性。     

延长潜油电泵井生产周期及新技术应用

本文通过潜油电泵井检泵作业中发现的问题,分析影响潜油电泵井生产周期的原因,同时介绍延长潜油电泵井生产周期的所采用新技术。     

应用反相高效液相色谱研究肝胆道显象剂的结构与体内分布的关系

本工作用二种十八烷基键合相的反相色谱系统测定了36个不同极性的取代苯胺甲酰甲基亚氨二乙酸类化合物的logk′值,回归分析表明:间、对位化合物的logk′值与它们的理论疏水性∑π值之间具有很好的线性相关,邻位取代会降低配体化合物的logk′值,而分子内氢键会增大配体化合物的logk′值。上述配体化合物的logk′与它的标记物在肝胆和小肠中的浓     

基于modbus功能码细粒度过滤算法的研究

针对防火墙粗粒度过滤Modbus/TCP导致工控系统存在安全威胁的问题,本文研究基于Modbus功能码的细粒度过滤算法。基于Modbus TCP协议功能码的特征,对其功能码字段进行解析,实现基于白名单规则的细粒度过滤算发。然而,大量匹配规则的存储管理对数据过滤过程的查询效率有决定性的影响,因此本文结合对规则集进行分类管理提高匹配效率。通过构建有效的数据存储结构及对白名单规则的组织与配置,实现了Modbus TCP协议的细粒度过滤,更大程度的提高了Modbus TCP通讯的安全性,且保证了通讯过程的实时性。通过实验分析,本文提出的方法可以深度安全的过滤Modbus协议,提高Modbus通讯的安全性。     

基于哈希链与同步性机制的Modbus/TCP安全认证协议

针对Modbus/TCP协议的安全缺陷,基于密码学技术提出一种安全的Modbus协议（Sec_Modbus协议）：采用对称加密和数字签名技术实现保密性要求及认证,利用同步性原理和哈希函数的单向性设计基于哈希链的防重放方法,通过随机函数产生索引号动态指定通信密钥,最终在不增加通信过程的情况下实现安全通信。实验结果表明：Sec_Modbus协议能够防止攻击者针对指令的认证类攻击、中间人攻击及重放攻击,与已有方法相比,该方法不仅安全性更高,且具有更好的时间性能,能更好地满足工业控制系统对安全性及实时性的要求。     

液晶屏模糊边缘缺陷分布式检测方法*

第六代液晶屏在生产过程中会产生多种类型的缺陷,通过单机进行缺陷检测存在存储资源和计算时间的瓶颈。利用Hadoop集群优势处理海量的高分辨率液晶屏图像是一个新的思路。针对线阵CCD（Charge-coupled Device）相机采集特点,提出一种基于MapReduce的分布式缺陷检测方法,使用改进的C-V图像分割模型,完成液晶屏模糊边缘的缺陷分割,对处于子图边缘的缺陷进行二次缺陷提取,提高缺陷检测的准确率,并采用SVM（Support Vector Machine）分类器完成缺陷的分类。实验表明,该方法提高检测效率的同时降低了缺陷的误判率,为分布式存储分块图像、缺陷测量等相关研究奠定基础。     

一种面向多类不平衡协议流量的改进AdaBoost.M2算法

针对AdaBoost。M2算法在解决多类不平衡协议流量的分类问题时存在不足,提出一种适用于因特网协议流量多类不平衡分类的集成学习算法RBWS-ADAM2,本算法在AdaBoost。M2每次迭代过程中,设计了基于权重的随机平衡重采样策略对训练数据进行预处理,该策略利用随机设置采样平衡点的重采样方式来更改多数类和少数类的样本数目占比,以构建多个具有差异性的训练集,并将样本权重作为样本筛选的依据,尽可能保留高权重样本,以加强对此类样本的学习。在国际公开的协议流量数据集上将RBWS-ADAM2算法与其他类似算法进行实验比较表明,相比于其他算法,该算法不仅对部分少数类的F-measure有较大提升,更有效提高了集成分类器的总体G-mean和总体平均F-measure,明显增强了集成分类器的整体性能。